统计学习理论与方法

书籍简介:

本书从统计学观点出发，以数理统计为基础，全面系统地介绍了统计机器学习的主要方法。内容涉及回归（线性回归、多项式回归、非线性回归、岭回归，以及LASSO等）、分类（感知机、逻辑回归、朴素贝叶斯、决策树、支持向量机、人工神经网络等）、聚类（K均值、EM算法、密度聚类等）、蒙特卡洛采样（拒绝采样、自适应拒绝采样、重要性采样、吉布斯采样和马尔科夫链蒙特卡洛等）、降维与流形学习（SVD、PCA和等），以及概率图模型基础等话题。

书籍规格:

书籍信息归属:

统计学习理论与方法是清华大学出版社于2019.出版的中图分类号为 TP181 的主题关于 统计－机器学习 的书籍。